数据集结构与质量检查
数据集的结构：硬盘上到底存了什么
第 13 章录完的数据集 seed_rebot_b601_rs/test，在硬盘上长这样：
~/.cache/huggingface/lerobot/seed_rebot_b601_rs/test/
├── data/
│ └── chunk-000/
│ └── file-000.parquet ← 所有数值帧（state / action / 时间戳）
├── videos/
│ ├── observation.images.front/
│ │ └── chunk-000/
│ │ └── file-000.mp4 ← 前置相机：50 条视频拼接在一起
│ └── observation.images.wrist/
│ └── chunk-000/
│ └── file-000.mp4 ← 腕部相机：同上
└── meta/
├── info.json ← 户口本：版本、fps、总帧数、特征定义
├── stats.json ← 体检表：每个特征的均值/方差/极值
├── tasks.parquet ← 任务描述表
└── episodes/
└── chunk-000/
└── file-000.parquet ← 每条 Episode 的"档案卡"
三种载体，各存一类数据：
| 载体 | 存什么 | 为什么用它 |
|---|---|---|
| MP4 视频 | 两路相机的全部图像帧 | 图像占数据集体积的九成以上，视频压缩比逐帧存图省一到两个数量级 |
| Parquet 表 | 每帧的数值：state、action、时间戳、索引 | 列式存储，读"第 3 关节的全部取值"不必加载整个文件 |
| meta 元信息 | 结构定义、统计量、任务、episode 索引 | 加载器和训练程序先读它，才知道怎么解释前两者 |
什么样的数据算"好"：四条质量标准
判断一份数据集能不能进训练，看四个维度：
回放与图像检查
回放命令可视化用 lerobot-dataset-viz，真机回放用 lerobot-replay，这里不再重复。建议至少回放第 0 条、中间一条、最后一条：第一条看流程对不对，中间看状态有没有漂移，最后一条最容易暴露疲劳期的质量下滑。
回放时可根据如下标准:
- 两路画面都在，没有黑屏、花屏、一路静止不动
- 画面清晰、曝光正常，方块和夹爪始终可见
- 动作与画面同步：夹爪闭合的瞬间，画面里正是夹爪碰到方块
- 开头在标准起始姿态，结尾达成结束条件
发现问题怎么办：删除、补录还是整集重录
检查出问题，三条处理路径：
- 个位数坏条（第 3、17 条画面糊了）→ 删掉对应2条，再补录2条 ；
- 成片问题（一半条数光照变了、整批音画错位）→ 别修，整集重录。修出来的数据集七拼八凑，比数据少更伤模型；
关于删除，两个事实记住就行：删除后工具会自动重建数据集——episode 重新连续编号、stats.json 重新计算，你不必手动修任何东西，无论删还是补，工具都会重新生成一遍 meta